环境
ubuntu 12.04 LTS
python 2.7.3
opencv 2.3.1-7
安装依赖
sudo apt-get install libopencv-* sudo apt-get install python-opencv sudo apt-get install python-numpy
示例代码
#!/usr/bin/env python
#coding=utf-8
import os
from PIL import Image, ImageDraw
import cv
def detect_object(image):
'''检测图片，获取人脸在图片中的坐标'''
grayscale = cv.CreateImage((image.width, image.height), 8, 1)
cv.CvtColor(image, grayscale, cv.CV_BGR2GRAY)
cascade = cv.Load("/usr/share/opencv/haarcascades/haarcascade_frontalface_alt_tree.xml")
rect = cv.HaarDetectObjects(grayscale, cascade, cv.CreateMemStorage(), 1.1, 2,
cv.CV_HAAR_DO_CANNY_PRUNING, (20,20))
result = []
for r in rect:
result.append((r[0][0], r[0][1], r[0][0]+r[0][2], r[0][1]+r[0][3]))
return result
def process(infile):
'''在原图上框出头像并且截取每个头像到单独文件夹'''
image = cv.LoadImage(infile);
if image:
faces = detect_object(image)
im = Image.open(infile)
path = os.path.abspath(infile)
save_path = os.path.splitext(path)[0]+"_face"
try:
os.mkdir(save_path)
except:
pass
if faces:
draw = ImageDraw.Draw(im)
count = 0
for f in faces:
count += 1
draw.rectangle(f, outline=(255, 0, 0))
a = im.crop(f)
file_name = os.path.join(save_path,str(count)+".jpg")
# print file_name
a.save(file_name)
drow_save_path = os.path.join(save_path,"out.jpg")
im.save(drow_save_path, "JPEG", quality=80)
else:
print "Error: cannot detect faces on %s" % infile
if __name__ == "__main__":
process("./opencv_in.jpg")
转换效果
原图：
转换后
使用感受
对于大部分图像来说，只要是头像是正面的，没有被阻挡，识别基本没问题，准确性还是很高的。
识别效率有点低，有时候一张图片能处理七八秒才能处理完，当然这个和机器配置有关。 如果想加速的话可以使用C语言重写，经测试，C语言版的所花时间大约是python的一半
另外，官方提供了几个库可一选择，这里使用的是haarcascade_frontalface_alt_tree.xml， 除此之外， /usr/share/opencv/haarcascades/文件夹下还有几个库：
~~/usr/share/opencv/haarcascades ll -h 总用量 19M drwxr-xr-x 2 root root 4.0K 3月 22 17:14 ./ drwxr-xr-x 4 root root 4.0K 3月 22 17:14 ../ -rw-r--r-- 1 root root 1.1M 4月 28 2011 haarcascade_eye_tree_eyeglasses.xml -rw-r--r-- 1 root root 495K 4月 28 2011 haarcascade_eye.xml -rw-r--r-- 1 root root 818K 4月 28 2011 haarcascade_frontalface_alt2.xml -rw-r--r-- 1 root root 3.5M 4月 28 2011 haarcascade_frontalface_alt_tree.xml -rw-r--r-- 1 root root 899K 4月 28 2011 haarcascade_frontalface_alt.xml -rw-r--r-- 1 root root 1.2M 4月 28 2011 haarcascade_frontalface_default.xml -rw-r--r-- 1 root root 622K 4月 28 2011 haarcascade_fullbody.xml -rw-r--r-- 1 root root 316K 4月 28 2011 haarcascade_lefteye_2splits.xml -rw-r--r-- 1 root root 520K 4月 28 2011 haarcascade_lowerbody.xml -rw-r--r-- 1 root root 350K 4月 28 2011 haarcascade_mcs_eyepair_big.xml -rw-r--r-- 1 root root 401K 4月 28 2011 haarcascade_mcs_eyepair_small.xml -rw-r--r-- 1 root root 306K 8月 2 2011 haarcascade_mcs_leftear.xml -rw-r--r-- 1 root root 760K 4月 28 2011 haarcascade_mcs_lefteye.xml -rw-r--r-- 1 root root 703K 4月 28 2011 haarcascade_mcs_mouth.xml -rw-r--r-- 1 root root 1.6M 4月 28 2011 haarcascade_mcs_nose.xml -rw-r--r-- 1 root root 318K 8月 2 2011 haarcascade_mcs_rightear.xml -rw-r--r-- 1 root root 1.4M 4月 28 2011 haarcascade_mcs_righteye.xml -rw-r--r-- 1 root root 1.5M 4月 28 2011 haarcascade_mcs_upperbody.xml -rw-r--r-- 1 root root 1.1M 4月 28 2011 haarcascade_profileface.xml -rw-r--r-- 1 root root 317K 4月 28 2011 haarcascade_righteye_2splits.xml -rw-r--r-- 1 root root 1022K 4月 28 2011 haarcascade_upperbody.xml ~/usr/share/opencv/haarcascades
根据文件名大家应该能知道是识别什么的。值得一提的是，这里面有四个关于人脸（frontalface）的识别库， 根据我的使用体验，default这个xml识别的最多，这就意味着本来不是头像的也识别成头像了。 alt_tree这个库虽然是最大的，但并不意味着这个库是最好的，应该说，用这个库，识别是最严格的， 这就意味着，有些头像不能被识别，因为根据他的算法，他认为这不是头像。 其余两个和alt_tree差不多。具体识别细节大家可以打开相应的xml看一下。
上面的代码只是识别面部，并不包括头发，如果大家想抓一个完整的头像的话， 可以将识别出来的矩形框的上边缘增加一定的比例，比如增加20%头像的高度。
附：C++语言人脸识别代码
网上找的，亲测可用，效率比python高一点。
#include "cv.h"
#include "highgui.h"
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <assert.h>
#include <math.h>
#include <float.h>
#include <limits.h>
#include <time.h>
#include <ctype.h>
#ifdef _EiC
#define WIN32
#endif
static CvMemStorage* storage = 0;
static CvHaarClassifierCascade* cascade = 0;
void detect_and_draw( IplImage* image );
const char* cascade_name =
"haarcascade_frontalface_alt.xml";
/* "haarcascade_profileface.xml";*/
int main( int argc, char** argv )
{
CvCapture* capture = 0;
IplImage *frame, *frame_copy = 0;
int optlen = strlen("--cascade=");
const char* input_name;
if( argc > 1 && strncmp( argv[1], "--cascade=", optlen ) == 0 )
{
cascade_name = argv[1] + optlen;
input_name = argc > 2 "/usr/share/opencv/haarcascades/haarcascade_frontalface_default.xml";
//opencv装好后haarcascade_frontalface_alt2.xml的路径,
//也可以把这个文件拷到你的工程文件夹下然后不用写路径名cascade_name= "haarcascade_frontalface_alt2.xml";
//或者cascade_name ="C:\\Program Files\\OpenCV\\data\\haarcascades\\haarcascade_frontalface_alt2.xml"
input_name = argc > 1 "ERROR: Could not load classifier cascade\n" );
fprintf( stderr,
"Usage: facedetect --cascade=\"<cascade_path>\" [filename|camera_index]\n" );
return -1;
}
storage = cvCreateMemStorage(0);
if( !input_name || (isdigit(input_name[0]) && input_name[1] == '\0') )
capture = cvCaptureFromCAM( !input_name "result", 1 );
if( capture )
{
for(;;)
{
if( !cvGrabFrame( capture ))
break;
frame = cvRetrieveFrame( capture );
if( !frame )
break;
if( !frame_copy )
frame_copy = cvCreateImage( cvSize(frame->width,frame->height),
IPL_DEPTH_8U, frame->nChannels );
if( frame->origin == IPL_ORIGIN_TL )
cvCopy( frame, frame_copy, 0 );
else
cvFlip( frame, frame_copy, 0 );
detect_and_draw( frame_copy );
if( cvWaitKey( 10 ) >= 0 )
break;
}
cvReleaseImage( &frame_copy );
cvReleaseCapture( &capture );
}
else
{
const char* filename = input_name "lena.jpg";
IplImage* image = cvLoadImage( filename, 1 );
if( image )
{
detect_and_draw( image );
cvWaitKey(0);
cvReleaseImage( &image );
}
else
{
/* assume it is a text file containing the
list of the image filenames to be processed - one per line */
FILE* f = fopen( filename, "rt" );
if( f )
{
char buf[1000+1];
while( fgets( buf, 1000, f ) )
{
int len = (int)strlen(buf);
while( len > 0 && isspace(buf[len-1]) )
len--;
buf[len] = '\0';
image = cvLoadImage( buf, 1 );
if( image )
{
detect_and_draw( image );
cvWaitKey(0);
cvReleaseImage( &image );
}
}
fclose(f);
}
}
}
// getchar();
cvDestroyWindow("result");
return 0;
}
void detect_and_draw( IplImage* img )
{
static CvScalar colors[] =
{
{{0,0,255}},
{{0,128,255}},
{{0,255,255}},
{{0,255,0}},
{{255,128,0}},
{{255,255,0}},
{{255,0,0}},
{{255,0,255}}
};
double scale = 1.3;
IplImage* gray = cvCreateImage( cvSize(img->width,img->height), 8, 1 );
IplImage* small_img = cvCreateImage( cvSize( cvRound (img->width/scale),
cvRound (img->height/scale)),
8, 1 );
int i;
cvCvtColor( img, gray, CV_BGR2GRAY );
cvResize( gray, small_img, CV_INTER_LINEAR );
cvEqualizeHist( small_img, small_img );
cvClearMemStorage( storage );
if( cascade )
{
double t = (double)cvGetTickCount();
CvSeq* faces = cvHaarDetectObjects( small_img, cascade, storage,
1.1, 2, 0/*CV_HAAR_DO_CANNY_PRUNING*/,
cvSize(30, 30) );
t = (double)cvGetTickCount() - t;
printf( "detection time = %gms\n", t/((double)cvGetTickFrequency()*1000.) );
for( i = 0; i < (faces "result", img );
cvReleaseImage( &gray );
cvReleaseImage( &small_img );
}
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，同时也希望多多支持！